Künstliche Intelligenz kann jetzt mit einem Basketball dribbeln. Bis zu einem Robo-Air-Jordan dauert es noch etwas, aber die Ergebnisse sind schon sehenswert.
Forscher der Carnegie Mellon University entwickelten einen animierbaren, digitalen Basketballer, der seine Dribblingfähigkeiten anhand von Motion-Capture-Aufnahmen realer Basketballer lernte. Ebenfalls beteiligt war das auf physikbasierte, digitale Charaktere spezialisierte kalifornische Unternehmen Deepmotion.
Das KI-System, das die Avatare animierte, schaute sich die richtigen Bewegungen bei Motion-Capture-Aufnahmen ab. Nach dem visuellen Training startete die KI mit der Nachahmung:
Sie lernte zunächst, sich zu bewegen. Erst dann kam das Dribbling und schließlich mit Körperbewegungen kombinierte Dribbeltechniken. Dafür koordinierte sie Finger, Hände und den Körper des Avatars.
Dieser lernte so nach und nach, sich mit dem Ball zu bewegen oder ihn zwischen Beinen und hinter dem Rücken zu dribbeln, ohne, dass diese Bewegungen explizit animiert oder programmiert werden mussten.
Von Null auf KI-Jordan
Liu und sein Team setzten ein bestärkendes Lernverfahren ein, um dem Avatar die Feinheiten des Dribbelns beizubringen.
Bei bestärkenden Lernverfahren startet die Künstliche Intelligenz bei Null. Jede Handlung, die sie näher an das vom Programmierer definierte Ziel bringt, wird belohnt. So wird sie über viele Versuche hinweg besser. Im Basketballbeispiel erlangte die KI ihre Ballfertigkeit über viele Millionen Versuche hinweg. Im Vergleich zu einem Menschen ist das nicht besonders effizient.
Laut Liu ist die Lernmethode außerdem nicht für alle Sportarten geeignet. Beim Basketballbeispiel habe die Interaktion von Charakter und Ball wenig Einfluss auf das Gleichgewicht des Charakters. Bei anderen Sportarten wie Fußball seien Gleichgewicht und Spielmanöver eng verbunden. Dafür sei noch mehr Programmierarbeit notwendig.
"Unser Verfahren kann über die Sportsimulation hinaus eingesetzt werden, um interaktive Charaktere für Spiele, Animationen, Bewegungsanalysen und in Zukunft auch für die Robotik zu entwickeln", so der beteiligte Forscher Libin Liu.
Ebenfalls mit einem bestärkenden Lernverfahren meisterte Googles Super-KI AlphaGo das Brettspiel Go. Ein weiteres erfolgreiches Beispiel für bestärkendes Lernen: Die OpenAI-KI "Five" trainierte einige Wochen nach dem Lernprinzip und gewinnt jetzt gegen menschliche Teams im komplexen Strategiespiel Dota 2.
